본 연구는 전기로(electric arc furnace) 공정을 보다 체계적으로 관리하기 위해 용강의 종점 온도(endpoint temperature)를 예측하는 데 초점을 둔 의사결정 지원 시스템의 개발을 제시한다. 본 의사결정 지원 시스템은 다음의 모듈로 구성된 데이터 기반 접근법을 활용한다. 1) 원시 데이터 필터링, 특성 공학, 이상치 탐지(outlier detection)를 구체적으로 포함하는 데이터 전처리 모듈, 2) 도메인 지식을 기반으로 한 특성 선택 모듈, 3) 종점 온도를 예측하기 위해 지도 학습(supervised learning) 알고리즘을 사용하는 회귀 모델링 모듈, 4) 입력과 출력 지표 간의 상관관계를 규명하기 위한 민감도 분석(sensitivity analysis) 모듈이다. 시스템의 적용 가능성은 대한민국 포항 소재 현대제철(Hyundai Steel)의 실제 운영 데이터(real-world operational data)를 사용한 검증 연구를 통해 입증하였다. 검증 결과, 시스템이 예측한 종점 온도는 실제 온도에 대해 오차 5% 이내에서 완전한 적합선(perfect-fit line) 주변에 고르게 산포되어 있음을 보였다. 또한 결과는 CaO, 전력(power), 용해 점수(melting score)가 종점 온도에 가장 큰 영향을 미친다는 점을 나타내었으며, 여기서 CaO가 증가하면 온도는 감소하고 전력 및 용해 점수가 증가하면 온도는 상승한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.